データは多ければ多いほど良いです。それは、より多くのデータポイントがあるだけでなく、より多様なデータポイントもあることを意味します。企業組織のスキルインベントリを形成する場合、多様なデータセットにより、企業の従業員が現在持っているスキルと将来必要となるスキルの最も正確で包括的な視点を確実に得ることができます。
多様なソース、レイティング、システムから入力されるデータを調査し収集するという、広範なアプローチをとる企業は、いわゆる「signal advantage（リスクと機会を早期に検知し、広め、評価する能力）」を洗練させます。その結果、パターン、リスク、行動機会について、より広範な視点が得られます。「signal advantage」により、スキルデータの大きな変化に関するアラートを察知し、変化を先取りすることができます。これらはすべて、様々なデータから得られます。
下の図をご覧ください。人的資本管理（HCM）システムなど、単一のソースからのデータのみを使って表示している場合は、企業組織のスキルランドスケープで起こっていることのほんの一部しか把握できません。また、企業組織のスキルデータがどのように成長・進化しているかについてはあまり把握できません。
画像をクリックすると拡大表示されます。
スキルデータソースを従業員のライフサイクルにマッピングすると、時間経過とともに多様なスキルデータがどのように蓄積しているかを確認できます。この可視性を利用して、スキルインベントリを形成し、従業員が入社した時から学習できるようにすることができます。
スキルデータの多様性を活用
HR Technologistによると、ラーニングトランスフォーメーションはいくつかの要因に依存しますが、その中で最も重要なのはスキルデータです。「どの企業組織でもL＆D部門の主な責任は、会社のビジネス目標を達成するために従業員が開発する必要のあるスキルを最初に特定することです。次に、そのスキルギャップを埋めるために適切なプログラムを用意する必要があります。」
Degreedでは、スキルランドスケープは、従業員が持っているスキル、習熟度レベル、現在学習しているスキルを表すことができます。また、Degreedプラットフォームは人々が継続的に学習するのに役立つので、人々の成長に関するデータを継続的に収集することができます。
画像をクリックすると拡大表示されます。
主要なスキルデータは次のとおりです。
スキルレイティング
スキルレイティングは豊富なデータをすばやく提供し、理想的な出発点になります。完了するのに数秒しかかかりません。従業員はスキルについて8段階で自己評価します。上記の例では、Mariaは自分の職務に関連する分野でA/B Testingなどの5つのスキルのレイティングを完了しています。
TIPS：スキルレイティングを使ってスキルインベントリのベースラインを確立できますが、自己評価ですのでバイアスがかかる可能性があることに注意してください。スキルアセスメント
スキルアセスメントは、実証可能な方法に基づいているため、より高いレベルで客観性を提供します。スキルアセスメントはより信頼性がありますが、テストのように完了するのに時間がかかります。この例では、時間がかかるため、Mariaは自分の業務に最も関連する、Contents Analyticsなどの、4つのスキルだけをスキルアセスメントしています。
TIPS：使用している他のアセスメントツールがある場合、ツールがDegreedと相互に連携できるか、そして他ツールの結果を調整できるかについて考えることが重要です。
一貫しないデータは、アセスメントデータを混乱させます。推論
推論は、レイティングやアセスメントを超えて、プロとしてのキャリアの中で見つかった重要なデータポイントに到達します。推論は従業員がアセスメントまたはレイティングしないかもしれない周辺のスキルへのより多くの洞察を提供します。例えば、MariaがSEOスキルをレイティングしなかったとしても、彼女がSEOスキルの向上に関心があることはわかっています。これは、彼女を適切な成長の場やSEO分野のメンターにつなげるのに役立ちます。また、社内の関連する成長機会の場を提示することもできます。
TIPS：採用前であっても、推論は採用ソリューションなどの多くのソースから得られる可能性があります。Degreedは、履歴書、職務経験、他のドキュメントから推論し、候補者が入社するとすぐに、ユーザープロファイルに核となるスキルを設定できます。集約されるシグナル
スキルシグナルにより、テクノロジーは推論を行うことができます。シグナルは、どのスキルがいつ成長しているかを示すデータです。コンテンツデータ、ユーザーデータ、アクティビティデータ、スキルアセスメントデータがシグナル例です。上記の例では、Mariaの前の職務がResearch Coordinatorだったので、彼女のスキルセットについて推論を提供したことがわかります。
TIPS：短時間での多数のシグナル検出は、企業がディスラプション（混乱）や競争に先んじるのに役立つ可能性のある新しいトレンドを示している可能性があります。ディープダイブ：推論とシグナル
今日のAIテクノロジーは、学習プロファイル、求人情報、ブラウザでの閲覧履歴、コースログインなどのソースからスキルを推測できます。これまでにないほど進んでいます。
例えば、検索エンジン最適化（SEO）スキルを考えてみましょう。ある人が「SEO入門」に関する記事を読んだり、SEOの専門家をフォローしたり、SEOに関するオンラインコースに登録したりすると、インテリジェントなアップスキリングソリューションでこれらのシグナルを集約して解釈し、その人がSEOについての学習に関心のある初心者であると推測します。その人が自分のSEO能力をレイティングまたはアセスメントしたことがない場合でも、これらの情報を入手できます。これにより、スキルインベントリがより包括的に正確かつ有用になります。
スキルデータは圧倒的である必要はない
従業員の学習をより包括的な役立つ情報と結び付けて、会社に真のビジネス価値を生み出してもらいたい時こそが、高度なスキルデータ戦略を採用する時です。その時期が速くても遅くても、スキルデータとは何か、どこで生成されるのか、スキルデータを豊富に入手する方法を理解することで、貴社に新しい情報の世界を開くことができます。
始めるには、日本版The Ultimate Skill Data Handbookをダウンロードしてください。
By Isabella Lazzareschi, Content And Managing Editor
March 2, 2021